人脸颜值评价方法、装置、可读存储介质及电子设备制造方法及图纸

本公开涉及一种人脸颜值评价方法、装置、可读存储介质及电子设备，所述方法包括：提取人脸图像中的目标关键点；将所述目标关键点输入至预先训练的关键点评价网络，获得第一评价结果；提取所述人脸图像的目标纹理特征；将所述目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果；根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果。通过上述技术方案，一方面可以保证颜值评价的综合性和准确性，另一方面，也可以有效拓宽颜值评价方法的适用范围，提升用户使用体验。

Face Value Evaluation Method, Device, Readable Storage Media and Electronic Equipment

The present disclosure relates to a facial value evaluation method, device, readable storage medium and electronic equipment. The methods include: extracting the target key points in a face image; inputting the target key points into a pre-trained key point evaluation network to obtain the first evaluation result; extracting the target texture features of the face image; and inputting the target texture features into the pre-trained key point evaluation network. The trained texture evaluation network obtains the second evaluation result, and determines the face value evaluation result of the face image according to the first evaluation result and the second evaluation result. Through the above technical scheme, on the one hand, it can ensure the comprehensiveness and accuracy of facial value evaluation, on the other hand, it can also effectively broaden the scope of application of facial value evaluation methods and enhance user experience.

【技术实现步骤摘要】
人脸颜值评价方法、装置、可读存储介质及电子设备
本公开涉及图像处理领域，具体地，涉及一种人脸颜值评价方法、装置、可读存储介质及电子设备。
技术介绍
移动终端应用的快速发展，各种泛娱乐的APP((application，应用)受到越来越多的关注。随着图像处理技术和机器学习技术的发展，对人脸进行颜值评价的软件和功能应运而生。
技术实现思路
本公开的目的是提供一种准确的人脸颜值评价方法、装置、可读存储介质及电子设备。根据本公开的第一方面，提供一种人脸颜值评价方法，所述方法包括：提取人脸图像中的目标关键点；将所述目标关键点输入至预先训练的关键点评价网络，获得第一评价结果；提取所述人脸图像的目标纹理特征；将所述目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果；根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果。可选地，所述提取人脸图像中的目标关键点包括：提取所述人脸图像中的第一关键点；将所述第一关键点输入至三维点分布模型，提取所述目标关键点。可选地，所述提取所述人脸图像的目标纹理特征，包括：将所述人脸图像输入至深度特征提取网络，获得所述人脸图像的深度特征图；根据所述深度特征图确定所述目标纹理特征。可选地，所述根据所述深度特征图确定所述目标纹理特征，包括：根据所述深度特征图提取所述人脸图像的全局纹理特征图；根据所述目标关键点和所述深度特征图，获得所述人脸图像的局部纹理特征图；将所述全局纹理特征图和所述局部纹理特征图输入至特征融合网络，以获得所述目标纹理特征。可选地，所述根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果，包括：对所述第一评价结果和所述第二评价结果进行加权求和，获得所述人脸图像的所述颜值评价结果。根据本公开的第二方面，提供一种人脸颜值评价装置，所述装置包括：第一提取模块，用于提取人脸图像中的目标关键点；第一处理模块，用于将所述目标关键点输入至预先训练的关键点评价网络，获得第一评价结果；第二提取模块，用于提取所述人脸图像的目标纹理特征；第二处理模块，用于将所述目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果；确定模块，用于根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果。可选地，所述第一提取模块包括：第一提取子模块，用于提取所述人脸图像中的第一关键点；第一处理子模块，用于将所述第一关键点输入至三维点分布模型，提取所述目标关键点。可选地，所述第二提取模块包括：第二处理子模块，用于将所述人脸图像输入至深度特征提取网络，获得所述人脸图像的深度特征图；确定子模块，用于根据所述深度特征图确定所述目标纹理特征。可选地，所述确定子模块包括：第二提取子模块，用于根据所述深度特征图提取所述人脸图像的全局纹理特征图；第三处理子模块，用于根据所述目标关键点和所述深度特征图，获得所述人脸图像的局部纹理特征图；第四处理子模块，用于将所述全局纹理特征图和所述局部纹理特征图输入至特征融合网络，以获得所述目标纹理特征。可选地，所述确定模块用于：对所述第一评价结果和所述第二评价结果进行加权求和，获得所述人脸图像的所述颜值评价结果。根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面任一所述方法的步骤。根据本公开的第四方面，提供一种电子设备，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面任一所述方法的步骤。在上述技术方案中，通过提取人脸图像中的关键点和纹理特征，并根据关键点和纹理特征确定出人脸颜值的评价结果。之后，根据关键点确定出的评价结果和根据纹理特征确定出的评价结果获得人脸颜值评价的最终结果，从而在确定人脸图像的颜值评价结果时，可以综合人脸图像中的多个特征，一方面可以保证颜值评价的综合性和准确性，另一方面，也可以有效拓宽颜值评价方法的适用范围，提升用户使用体验。本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。附图说明附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：图1是根据本公开的一种实施方式提供的人脸颜值评价方法的流程图；图2是提取所述人脸图像的目标纹理特征的一种示例性实现方式的流程图；图3是根据本公开的一种实施方式提供的人脸颜值评价装置的框图；图4是根据一示例性实施例示出的一种电子设备的框图；图5是根据一示例性实施例示出的一种电子设备的框图。具体实施方式以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。图1所示，为根据本公开的一种实施方式提供的人脸颜值评价方法的流程图，如图1所示，所述方法包括：在S11中，提取人脸图像中的目标关键点。其中，在获得图像时，可以先对其进行人脸检测，以识别该图像中是否存在人脸图像。示例地，可以通过seetaface、mtcnn等人脸检测算法进行检测，若该图像中包含人脸图像，则可以通过上述算法对人脸图像进行提取，获得人脸图像。其中，seetaface、mtcnn等人脸检测算法为现有技术，在此不再赘述。在S12中，将目标关键点输入至预先训练的关键点评价网络，获得第一评价结果。其中，可以对图像中的关键点和对应的颜值进行标定，从而可以根据该已标定的关键点和颜值对关键点评价网络进行训练。示例地，关键点评价网络可以通过现有的神经网络实现，在此不再赘述。在S13中，提取人脸图像的目标纹理特征。其中，图像的纹理特征可以对图像的空间颜色分布和光强分布进行准确的描述，以提取人脸图像的准确特征，便于后续的数据处理。在S14中，将目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果。其中，通过预先训练纹理评价网络可以根据人脸图像的纹理特征确定该人脸图像的评价结果。该纹理评价网络可以是神经网络模型。在S15中，根据第一评价结果和第二评价结果确定人脸图像的颜值评价结果。需要进行说明的是，图1中所示执行顺序为本公开中的一种示例性执行顺序，示例地，也可以并行执行S11和S13，本公开对此不进行限定。在上述技术方案中，通过提取人脸图像中的关键点和纹理特征，并根据关键点和纹理特征确定出人脸颜值的评价结果。之后，根据关键点确定出的评价结果和根据纹理特征确定出的评价结果获得人脸颜值评价的最终结果，从而在确定人脸图像的颜值评价结果时，可以综合人脸图像中的多个特征，一方面可以保证颜值评价的综合性和准确性，另一方面，也可以有效拓宽颜值评价方法的适用范围，提升用户使用体验。为了使本领域技术人员更加理解本专利技术实施例提供的技术方案，下面对上述步骤进行详细的说明。可选地，在提取人脸图像中的目标关键点时在，在一实施例中，可以通过现有的关键点提取算法进行提取，例如，ERT(EnsembleofRegressionTress)算法、2D-FAN(FaceAlignmentNetwork，人脸对齐网络)、MDM(MnemonicDescentMethod)等人脸关键点检测方法，并将提取出的关键点作为目标关键点。可选地，在另一实施例中，在S11中提取人脸图像中的目标关键点，包括：提取所述本文档来自技高网...

【技术保护点】
1.一种人脸颜值评价方法，其特征在于，所述方法包括：提取人脸图像中的目标关键点；将所述目标关键点输入至预先训练的关键点评价网络，获得第一评价结果；提取所述人脸图像的目标纹理特征；将所述目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果；根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果。

【技术特征摘要】
1.一种人脸颜值评价方法，其特征在于，所述方法包括：提取人脸图像中的目标关键点；将所述目标关键点输入至预先训练的关键点评价网络，获得第一评价结果；提取所述人脸图像的目标纹理特征；将所述目标纹理特征输入至预先训练的纹理评价网络，获得第二评价结果；根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果。2.根据权利要求1所述的方法，其特征在于，所述提取人脸图像中的目标关键点包括：提取所述人脸图像中的第一关键点；将所述第一关键点输入至三维点分布模型，提取所述目标关键点。3.根据权利要求1或2所述的方法，其特征在于，所述提取所述人脸图像的目标纹理特征，包括：将所述人脸图像输入至深度特征提取网络，获得所述人脸图像的深度特征图；根据所述深度特征图确定所述目标纹理特征。4.根据权利要求3所述的方法，其特征在于，所述根据所述深度特征图确定所述目标纹理特征，包括：根据所述深度特征图提取所述人脸图像的全局纹理特征图；根据所述目标关键点和所述深度特征图，获得所述人脸图像的局部纹理特征图；将所述全局纹理特征图和所述局部纹理特征图输入至特征融合网络，以获得所述目标纹理特征。5.根据权利要求1-4中任一项所述的方法，其特征在于，所述根据所述第一评价结果和所述第二评价结果确定所述人脸图像的颜值评价结果，包括：对所述第一评价结果和所述第二评价...

【专利技术属性】
技术研发人员：陈泽洲，刘兆祥，廉士国，
申请(专利权)人：深圳前海达闼云端智能科技有限公司，
类型：发明
国别省市：广东,44